基于模型预测控制与神经网络优化的氢内燃机H2-SCR尾气处理控制方法

本发明公开了一种基于模型预测控制与神经网络优化的氢内燃机H2‑SCR尾气处理控制方法，包括：构建氢内燃机燃烧系统与H2‑SCR催化还原系统的耦合动力学模型；基于所述耦合动力学模型的仿真数据，训练自适应神经网络模型，用于修正所述耦合动力学模型的预测输出参数；基于修正后的预测输出参数，构建模型预测控制的状态空间方程，并设计目标函数和约束条件；实时采集发动机工况参数及SCR系统状态参数，通过所述状态空间方程及目标函数动态优化H2‑SCR的氢气喷射量和催化剂加热功率，输出控制指令。本发明能够规避NOx排放超标并确保催化剂温度工作区间，进而确保控制的精准性和鲁棒性，提升系统整体性能和经济性。